ეკონომისტებმა შეიმუშავეს რობოტების მიერ სამუშაოს ავტომატიზაციის შეფასების მეთოდი

რობოტიკოსების ჯგუფმა Ecole Polytechnique Fédérale de Lozanne-დან და ეკონომისტებმა ლოზანის უნივერსიტეტიდან შეიმუშავეს ახალი მეთოდი, რათა გამოთვალონ, რომელ არსებულ სამუშაოებს უფრო მეტი საფრთხე ემუქრება მანქანების მიერ ავტომატიზირებული უახლოეს მომავალში. 

კვლევა გამოქვეყნდა მეცნიერება რობოტები. 

გუნდმა ასევე შეიმუშავა მეთოდი, რომ შესთავაზოს კარიერული გადასვლა სამუშაოებზე ნაკლებად ავტომატიზირებული და მცირე გადამზადების ძალისხმევით.

პროფესორი დარიო ფლორეანო არის EPFL-ის ინტელექტუალური სისტემების ლაბორატორიის დირექტორი და კვლევის წამყვანი ავტორი.

„არის რამდენიმე კვლევა, რომელიც პროგნოზირებს, რამდენი სამუშაოს ავტომატიზირება მოხდება რობოტების მიერ, მაგრამ ისინი ყველა ფოკუსირებულია პროგრამულ რობოტებზე, როგორიცაა მეტყველების და გამოსახულების ამოცნობა, ფინანსური რობო მრჩევლები, ჩატბოტები და ა.შ.“, ამბობს პროფესორი ფლორეანო. „გარდა ამისა, ეს პროგნოზები ძლიერ მერყეობს იმისდა მიხედვით, თუ როგორ ფასდება სამუშაოს მოთხოვნები და პროგრამული შესაძლებლობები. აქ ჩვენ განვიხილავთ არა მხოლოდ ხელოვნური ინტელექტის პროგრამულ უზრუნველყოფას, არამედ ძალიან ინტელექტუალურ რობოტებს, რომლებიც ასრულებენ ფიზიკურ სამუშაოს და შევიმუშავეთ მეთოდი ასობით სამუშაოზე გამოყენებული ადამიანის და რობოტული შესაძლებლობების სისტემატური შედარებისთვის. 

მეთოდის შემუშავება

გუნდმა შეძლო რობოტის შესაძლებლობების დასახვა სამუშაოს მოთხოვნებზე, რაც იყო კვლევის მთავარი მიღწევა. მათ დაათვალიერეს ევროპის H2020 რობოტული მრავალწლიური საგზაო რუკა (MAR), რომელიც არის ევროკომისიის სტრატეგიული დოკუმენტი, რომელიც პერიოდულად გადაიხედება რობოტიკის ექსპერტების მიერ. MAR დეტალებია, თუ რა უნარებია საჭირო ამჟამინდელი რობოტებისგან ან შეიძლება მოითხოვონ მომავალს. ისინი ორგანიზებულია კატეგორიებად, როგორიცაა მანიპულირება, აღქმა და ადამიანებთან ურთიერთობა. 

ჯგუფმა გააანალიზა მრავალი კვლევითი ნაშრომი, პატენტი და რობოტული პროდუქტების აღწერა, რათა შეეფასებინა რობოტული შესაძლებლობების სიმწიფის დონე. ისინი ეყრდნობოდნენ „ტექნოლოგიური მზადყოფნის დონეს“ (TRL), რომელიც არის სკალა ტექნოლოგიის განვითარების დონის გასაზომად. 

რაც შეეხება ადამიანის შესაძლებლობებს, მკვლევარებმა გამოიყენეს O*net მონაცემთა ბაზა, რომელიც არის ფართოდ გამოყენებული რესურსების მონაცემთა ბაზა აშშ-ს სამუშაო ბაზარზე. იგი კლასიფიცირებს დაახლოებით 1,000 პროფესიას და დეტალურად აღწერს თითოეულისთვის საჭირო უნარებსა და ცოდნას. 

გუნდმა პირველად შერჩევით შეადარა ადამიანის შესაძლებლობები O*net სიიდან რობოტულ შესაძლებლობებს MAR დოკუმენტიდან, რამაც მათ საშუალება მისცა გამოეთვალათ, რამდენად სავარაუდოა, რომ მომავალში რობოტის მიერ თითოეული არსებული სამუშაო შეასრულოს. თუ რობოტი კარგად ასრულებს სამუშაოს, TRL უფრო მაღალია. 

ვაკანსიების რეიტინგი 

ამ ანალიზის ჩატარების შემდეგ შედეგი იყო 1,000 სამუშაო ადგილის რეიტინგი. სიაში ერთ-ერთი ყველაზე დაბალი იყო "ფიზიკოსები", ხოლო "ხორცის შემფუთავი" ერთ-ერთი ყველაზე მაღალი იყო. საკვების გადამუშავების, მშენებლობისა და მოვლა-პატრონობისა და მშენებლობაში დასაქმება ყველაზე მაღალი რისკი იყო.

პროფესორი რაფაელ ლალივი ხელმძღვანელობდა კვლევას ლოზანის უნივერსიტეტში.

„საზოგადოების მთავარი გამოწვევა დღეს არის ის, თუ როგორ გავხდეთ მდგრადი ავტომატიზაციის წინააღმდეგ“, ამბობს პროფესორი ლალივი. „ჩვენი ნამუშევარი იძლევა დეტალურ კარიერულ რჩევებს იმ მუშაკებისთვის, რომლებსაც აქვთ ავტომატიზაციის მაღალი რისკები, რაც მათ საშუალებას აძლევს მიიღონ უფრო უსაფრთხო სამუშაოები ძველ სამუშაოზე შეძენილი მრავალი უნარების ხელახლა გამოყენებისას. ამ რჩევის საშუალებით, მთავრობებს შეუძლიათ მხარი დაუჭირონ საზოგადოებას, გახდეს უფრო მდგრადი ავტომატიზაციის წინააღმდეგ.”

ავტორებმა შექმნეს მეთოდი, რათა იპოვონ ნებისმიერი სამუშაო ალტერნატიული სამუშაო, ავტომატიზაციის მნიშვნელოვნად დაბალი რისკით. ეს სამუშაოები ასევე ახლოს იყო თავდაპირველთან, როდესაც საქმე ეხებოდა საჭირო შესაძლებლობებსა და ცოდნას, რაც ხელს უწყობს გადამზადების ძალისხმევას მინიმუმამდე. 

ეს ახალი მეთოდი შეიძლება გამოყენებულ იქნას სხვადასხვა გზით. ერთის მხრივ, მთავრობებს შეუძლიათ გამოიყენონ ის, რომ გაზომონ, თუ რამდენი მუშა შეიძლება შეექმნას ავტომატიზაციას მომავალში. ეს ხელს შეუწყობს გადამზადების ინიციატივებისა და პოლიტიკის შესაბამისად მორგებას. კომპანიებს ასევე შეუძლიათ გამოიყენონ ის ავტომატიზაციასთან დაკავშირებული ხარჯების გასაანალიზებლად. 

მთელი ეს ნამუშევარი გადაკეთდა ალგორითმში, რომელსაც შეუძლია წინასწარ განსაზღვროს ავტომატიზაციის რისკი ასობით სამუშაოსთვის და ასევე მიუთითოს კარიერული გადასვლები. 

თქვენ შეგიძლიათ იპოვოთ საჯაროდ ხელმისაწვდომი ალგორითმი აქ დაწკაპუნებით.